NeCL СO.
Будьте внимательны, дорогие друзья, к тому что суете в свой терминал! Вот вам статья про новый(старый) опасный стиллер для MacOS, который маскируется под капчу CloudFlare ♥️ Чтобы подтвердить человечность, маководов просят открыть терминал и выполнить в нём…
GitHub
GitHub - multica-ai/andrej-karpathy-skills: A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's…
A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's observations on LLM coding pitfalls. - multica-ai/andrej-karpathy-skills
4 правила: думай перед тем как писать, пиши минимум, не трогай чужой код, определи критерий успеха до старта.
Почему это работает:
Claude Code читает CLAUDE.md в корне проекта перед каждым действием. Буквально инструкция, которая меняет поведение ИИ.
Мы в NeCL
— для B2B проектов (не трогай платёжную логику без явного запроса)
— для RAG-систем (всегда проверяй retrieval quality перед ответом)
— для Telegram-агентов (не ломай state machine, тестируй каждый хэндлер)
Хотите CLAUDE.md под ваш проект? Напишите задачу в комментарии — соберём за день.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
NeCL — Neural Engineering & Cognitive Logic
NeCL — RAG, AI Agents, MCP & Code Development
NeCL (Neural Engineering & Cognitive Logic) builds production RAG systems, AI agents, MCP servers, and Telegram bots for SaaS. Not wrappers — shipped in 2 weeks.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Pavel Durov (Pavel Durov)
This media is not supported in your browser
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from SLOWPOKE • FREE AI & Image
🤖 Внедрим AI в ваш бизнес
Если хотите интегрировать искусственный интеллект в бизнес-процессы — команда NECL всегда на связи.
Автоматизируем рутину, ускорим работу с клиентами, соберём решение под ваши задачи.
👉 neclco.com
Если хотите интегрировать искусственный интеллект в бизнес-процессы — команда NECL всегда на связи.
Автоматизируем рутину, ускорим работу с клиентами, соберём решение под ваши задачи.
👉 neclco.com
NeCL — Neural Engineering & Cognitive Logic
NeCL — RAG, AI Agents, MCP & Code Development
NeCL (Neural Engineering & Cognitive Logic) builds production RAG systems, AI agents, MCP servers, and Telegram bots for SaaS. Not wrappers — shipped in 2 weeks.
8 часов текста в день. Запястья умирали 💻
Выпустили open source Cream Typer голосовая диктовка для macOS, которая работает полностью офлайн.
Caps Lock → говоришь → текст вставляется куда надо. whisper.cpp на Metal GPU, ~0,4 сек на 10 секунд речи.
18 языков. Автоперевод в английский одной строкой конфига — без отдельного пайплайна.
– Всего ~ 300 строк Python.
– Никакой телеметрии.
– Можно стать ещё быстрее и продуктивнее полностью бесплатно🥳
С вас, PR чего не хватает или просто попробуйте поднять у себя, поделиться фидбэком
#OpenSource #Whisper #macOS #LocalAI #PrivacyFirst
Выпустили open source Cream Typer голосовая диктовка для macOS, которая работает полностью офлайн.
Caps Lock → говоришь → текст вставляется куда надо. whisper.cpp на Metal GPU, ~0,4 сек на 10 секунд речи.
18 языков. Автоперевод в английский одной строкой конфига — без отдельного пайплайна.
– Всего ~ 300 строк Python.
– Никакой телеметрии.
– Можно стать ещё быстрее и продуктивнее полностью бесплатно
С вас, PR чего не хватает или просто попробуйте поднять у себя, поделиться фидбэком
#OpenSource #Whisper #macOS #LocalAI #PrivacyFirst
Please open Telegram to view this post
VIEW IN TELEGRAM
2
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
NeCL представляет PersonaOS — open-source инфраструктуру персональной AI-памяти
Современные LLM — амнезики: каждая сессия с чистого листа, а контекст, накопленный годами, остаётся внутри закрытых платформ. Мы считаем, что память — это инфраструктура, и она должна быть открытой.
PersonaOS — self-hosted система памяти для любого AI-агента (Claude Code, Cursor, ChatGPT через MCP). Все данные локально, в markdown-файлах под Git. Без облака, телеметрии и подписок.
Три принципа:
• Один факт — один файл — один коммит. История вашей модели мира версионируется как код.
• Consent-first: любое чувствительное действие проходит через явное разрешение.
• Markdown и Git переживут любую конкретную модель и любого вендора. Ваш граф знаний остаётся вашим — буквально, как файлы на диске.
Второй open-source-релиз NeCL за неделю после Cream Typer. Курс — local-first AI без облачной зависимости. Проект открыт для контрибьюторов.
📱 serafim-builds.github.io/PersonaOS
#NeCL #OpenSource #LocalAI #AIInfrastructure
Современные LLM — амнезики: каждая сессия с чистого листа, а контекст, накопленный годами, остаётся внутри закрытых платформ. Мы считаем, что память — это инфраструктура, и она должна быть открытой.
PersonaOS — self-hosted система памяти для любого AI-агента (Claude Code, Cursor, ChatGPT через MCP). Все данные локально, в markdown-файлах под Git. Без облака, телеметрии и подписок.
Три принципа:
• Один факт — один файл — один коммит. История вашей модели мира версионируется как код.
• Consent-first: любое чувствительное действие проходит через явное разрешение.
• Markdown и Git переживут любую конкретную модель и любого вендора. Ваш граф знаний остаётся вашим — буквально, как файлы на диске.
Второй open-source-релиз NeCL за неделю после Cream Typer. Курс — local-first AI без облачной зависимости. Проект открыт для контрибьюторов.
#NeCL #OpenSource #LocalAI #AIInfrastructure
Please open Telegram to view this post
VIEW IN TELEGRAM
3
– One for humans (carousels, photos, design)
– One for AI agents (clean structure, Q&A, plain text)
Why: B2B buyers now start their research with ChatGPT/Gemini/Claude.
Not Google. Not your site.
With an agent that reads it for them.
So your site will soon have two readers:
the human, and their LLM agent.
And they want different things.
Whoever optimizes only for humans loses the exact slice of the funnel that has already migrated
Please open Telegram to view this post
VIEW IN TELEGRAM
#AI #Agents #PydanticAI #LangChain
🆚 Pydantic AI vs LangChain — что собирать на проде в 2026?
Короткий ответ: в большинстве случаев — Pydantic AI
📊 Сравнение
• Типобезопасность, structured output, DX, prod-ready, меньше кода в Pydantic AI
• Экосистема и мультиагентные графы ищи в LangChain / LangGraph
✅ Pydantic AI — если нужен надёжный агент без магии, строгая типизация, Logfire observability и чистый поддерживаемый код.
⚠️ LangChain — если быстро прототипишь, нужна специфическая интеграция или уже глубоко в LangGraph.
🎯 Вердикт NeCL 🐺
• Новый проект → Pydantic AI
• Уже на LangGraph → не мигрируй, но новые модули пиши на Pydantic AI
• Сложный граф состояний → LangGraph пока держит корону
NeCL перевели большинство новых пайплайнов на Pydantic AI — меньше кода, меньше боли в проде.
Ставьте🍣 — покажу одного агента на обоих фреймворках, side-by-side.
❤️ Нужен production-ready агент? Пиши @ownerai — разберём за 15 минут бесплатно.
📱 TG | 🔗 WEB | 📱 X
Короткий ответ: в большинстве случаев — Pydantic AI
• Типобезопасность, structured output, DX, prod-ready, меньше кода в Pydantic AI
• Экосистема и мультиагентные графы ищи в LangChain / LangGraph
⚠️ LangChain — если быстро прототипишь, нужна специфическая интеграция или уже глубоко в LangGraph.
• Новый проект → Pydantic AI
• Уже на LangGraph → не мигрируй, но новые модули пиши на Pydantic AI
• Сложный граф состояний → LangGraph пока держит корону
NeCL перевели большинство новых пайплайнов на Pydantic AI — меньше кода, меньше боли в проде.
Ставьте
Please open Telegram to view this post
VIEW IN TELEGRAM
Это не просто “ещё одна маленькая модель от Google”. Суть в архитектуре: вместо отдельного vision/audio энкодера входы проецируются прямо в пространство токенов LLM backbone.
Звучит сухо, но для локальных агентов это важная штука. Чем меньше отдельных компонентов в пайплайне, тем проще деплоить, квантизировать, дебажить и гонять на edge-железе.
Мы в NeCL всё чаще смотрим на такие модели не как на замену frontier API, а как на локальный слой: приватные документы, быстрый vision pre-processing, автономные агенты без постоянного round-trip в облако.
Кто уже гоняет Gemma локально - как ощущения?
Please open Telegram to view this post
VIEW IN TELEGRAM
Китайская компания Moonshot AI представила Kimi Code CLI — терминальный агент для разработчиков, по концепции близкий к Claude Code, но с открытым исходным кодом под лицензией MIT.
Проект уже доступен на GitHub.
Агент умеет читать и редактировать код, выполнять команды в shell, искать по файлам проекта и загружать веб-страницы.
И отдельная особенность — приём видеозаписей на входе.
Под капотом — встроенные субагенты с разными ролями: coder, explore и plan.
Поддерживаются lifecycle-хуки и настройка MCP-серверов прямо через диалог в терминале.
Из коробки Kimi Code CLI работает с моделями линейки K2 от Kimi, но документация описывает подключение и других совместимых провайдеров — жёсткой привязки к одному облаку нет.
Ключевое отличие от Claude Code разработчики формулируют как открытость: код доступен целиком, установка выполняется одной командой, а TUI запускается быстро.
Please open Telegram to view this post
VIEW IN TELEGRAM
moonshotai.github.io
Kimi Code CLI Docs
Kimi Code CLI User Documentation
Forwarded from Ekaterina Trofimova | AI for Science
Anthropic выпустила Claude Fable 5 и Claude Mythos 5
Сегодня Anthropic представила сразу две новые модели: Claude Fable 5 и Claude Mythos 5. Это первый публичный релиз модели класса Mythos, о которой последние месяцы ходило много слухов.
Модели класса Mythos могут находить уязвимости в больших системах (ОС, библиотеки, браузеры). Но важно понимать, что то, что полезно для защиты, может быть использовано для атаки.
Поэтому Anthropic выпустила 2 модели:
✅ Claude Fable 5 — версия для широкого использования.
✅ Claude Mythos 5 — та же базовая модель, но с ослабленными ограничениями, доступная пока что только ограниченному кругу организаций через программу Project Glasswing.
По заявлению Anthropic, Fable 5 превосходит все предыдущие модели компании на задачах:
• программной инженерии;
• научных исследований;
• анализа данных;
• работы с изображениями;
• длительных многошаговых задач.
Что касается безопасности: при запросах, связанных с поиском уязвимостей, биологией или другими чувствительными областями, Fable 5 автоматически переключается на более безопасную модель Claude Opus 4.8.
LinkedIn📱 | Telegram 📱
Сегодня Anthropic представила сразу две новые модели: Claude Fable 5 и Claude Mythos 5. Это первый публичный релиз модели класса Mythos, о которой последние месяцы ходило много слухов.
Модели класса Mythos могут находить уязвимости в больших системах (ОС, библиотеки, браузеры). Но важно понимать, что то, что полезно для защиты, может быть использовано для атаки.
Поэтому Anthropic выпустила 2 модели:
✅ Claude Fable 5 — версия для широкого использования.
✅ Claude Mythos 5 — та же базовая модель, но с ослабленными ограничениями, доступная пока что только ограниченному кругу организаций через программу Project Glasswing.
По заявлению Anthropic, Fable 5 превосходит все предыдущие модели компании на задачах:
• программной инженерии;
• научных исследований;
• анализа данных;
• работы с изображениями;
• длительных многошаговых задач.
Что касается безопасности: при запросах, связанных с поиском уязвимостей, биологией или другими чувствительными областями, Fable 5 автоматически переключается на более безопасную модель Claude Opus 4.8.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Ekaterina Trofimova | AI for Science
🎉 ML²B принят на GeCoIn 2026 @ IJCAI-ECAI!
Идея бенчмарка родилась еще на защите моей диссертации: Иван Ямщиков спросил, отслеживали ли мы влияние естественного языка на результат генерации ML-кода системами на основе LLM. И захотелось протестировать =) Проект вырос со студенческой практики летом 2025 в масштабное исследование.
35 Kaggle-соревнований, 14 языков программирования, честная оценка LLM на end-to-end ML.
16 августа — Бремен 🇩🇪 Спасибо команде ❤️
#ML2B #LLM #MachineLearning #IJCAI2026 #GeCoIn
LinkedIn📱 | Telegram 📱
Идея бенчмарка родилась еще на защите моей диссертации: Иван Ямщиков спросил, отслеживали ли мы влияние естественного языка на результат генерации ML-кода системами на основе LLM. И захотелось протестировать =) Проект вырос со студенческой практики летом 2025 в масштабное исследование.
35 Kaggle-соревнований, 14 языков программирования, честная оценка LLM на end-to-end ML.
16 августа — Бремен 🇩🇪 Спасибо команде ❤️
#ML2B #LLM #MachineLearning #IJCAI2026 #GeCoIn
Please open Telegram to view this post
VIEW IN TELEGRAM
Пираты здесь? Появился The Pirate Bay для нейронок 🏴☠️
Pirate Face берёт открытые модели с Hugging Face и превращает каждую в торрент, который можно скачивать и раздавать через P2P. Даже если оригинал удалят с Hugging Face по каким-то причинам, то модель продолжит жить, пока её кто-то раздаёт.
Причём файлы сверяются с оригинальными SHA-256-хешами Hugging Face, чтобы проверить, что веса никто не подменил. Внутри уже доступно больше 669 тысяч моделей.
Полный йо-хо-хо
LinkedIn | Telegram
Pirate Face берёт открытые модели с Hugging Face и превращает каждую в торрент, который можно скачивать и раздавать через P2P. Даже если оригинал удалят с Hugging Face по каким-то причинам, то модель продолжит жить, пока её кто-то раздаёт.
Причём файлы сверяются с оригинальными SHA-256-хешами Hugging Face, чтобы проверить, что веса никто не подменил. Внутри уже доступно больше 669 тысяч моделей.
Полный йо-хо-хо
LinkedIn | Telegram
This media is not supported in your browser
VIEW IN TELEGRAM
Похоже, у Jev появилась открытая локальная альтернатива — Laya.
Laya - локальная открытая модель принятия решений на 421 млн параметров. Она работает со структурированными решениями (быстрые ответы да/нет, оценка или выбор из вариантов).
> работает менее чем с 1 ГБ памяти
> бесплатно доступна на Hugging Face
> запускается на ноутбуке и даже на телефоне
В тесте Laya сравнили с облачным Jev. Обе системы играли в одну и ту же змейку с одинаковым форматом решений в течение 30 секунд.
> Laya — счёт 46, длина 52, 86,5 решений в секунду, P50 около 9 мс
> Jev — счёт 1, длина 7, 3,2 решения в секунду, полный цикл запроса к API 317 мс
На M5 Pro медианное время составило 15,3 мс для локальной Laya и 298,1 мс для облачного Jev. Это почти 20-кратная разница в этом тесте.
Главное отличие здесь в том, что Laya принимает каждое решение локально, тогда как Jev на каждом шаге ждёт ответ от облачного API.
При этом у проекта есть два ограничения, о которых заявляется прямо:
1) контекст всего 512–1024 токена, поэтому некоторые задачи просто не поместятся
2) без дополнительной настройки Laya хуже обобщает, чем Jev
GitHub - https://github.com/NandhaKishorM/laya
Laya - локальная открытая модель принятия решений на 421 млн параметров. Она работает со структурированными решениями (быстрые ответы да/нет, оценка или выбор из вариантов).
> работает менее чем с 1 ГБ памяти
> бесплатно доступна на Hugging Face
> запускается на ноутбуке и даже на телефоне
В тесте Laya сравнили с облачным Jev. Обе системы играли в одну и ту же змейку с одинаковым форматом решений в течение 30 секунд.
> Laya — счёт 46, длина 52, 86,5 решений в секунду, P50 около 9 мс
> Jev — счёт 1, длина 7, 3,2 решения в секунду, полный цикл запроса к API 317 мс
На M5 Pro медианное время составило 15,3 мс для локальной Laya и 298,1 мс для облачного Jev. Это почти 20-кратная разница в этом тесте.
Главное отличие здесь в том, что Laya принимает каждое решение локально, тогда как Jev на каждом шаге ждёт ответ от облачного API.
При этом у проекта есть два ограничения, о которых заявляется прямо:
1) контекст всего 512–1024 токена, поэтому некоторые задачи просто не поместятся
2) без дополнительной настройки Laya хуже обобщает, чем Jev
GitHub - https://github.com/NandhaKishorM/laya
Forwarded from Ekaterina Trofimova | AI for Science
Please open Telegram to view this post
VIEW IN TELEGRAM